徐菲菲，胡 娟，剌利青，胡明星，羅桑扎西，周 進(jìn)

引言

互聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)、算法的迭代優(yōu)化促進(jìn)了以點對點交易和閑置資源利用為主要特征的共享經(jīng)濟新業(yè)態(tài)新模式的創(chuàng)新發(fā)展，在住宿接待業(yè)領(lǐng)域表現(xiàn)為共享住宿平臺的興起和蓬勃發(fā)展。國家信息中心將共享住宿（Airbnb）定義為“以互聯(lián)網(wǎng)平臺為依托，整合共享海量、分散的住宿資源，滿足多樣化住宿需求的經(jīng)濟活動總和”[1]。共享住宿在充分利用城市和鄉(xiāng)村的閑置房產(chǎn)資源、提供真實新穎獨特的旅游住宿體驗、激發(fā)旅游和住宿行業(yè)創(chuàng)新發(fā)展活力等方面發(fā)揮了重要作用[2-3]。共享住宿具有依托居民房產(chǎn)資源的不受監(jiān)管的擴張?zhí)匦?，對城市住宿供給的空間結(jié)構(gòu)和城市空間重塑產(chǎn)生直接影響[4]。研究共享住宿的空間分布規(guī)律和影響因素對于回應(yīng)其快速發(fā)展給居民生活帶來的負(fù)面影響、標(biāo)準(zhǔn)與非標(biāo)準(zhǔn)住宿之間的競合關(guān)系以及監(jiān)管政策的制定至關(guān)重要。

國際上關(guān)于共享住宿空間布局的研究成果較多，主要以國際最具代表性的共享住宿平臺Airbnb為例，以不同國家的不同層級城市、不同類型旅游目的地為案例地探究了不同尺度下共享住宿的空間分布規(guī)律[4-7]。國內(nèi)關(guān)于共享住宿的研究成果從2020年開始陸續(xù)出現(xiàn)，從不同空間尺度進(jìn)行了探索性研究[8-9]，特別是城市內(nèi)部的共享住宿空間分布特征得到了學(xué)者的關(guān)注，案例地以北京[10-13]和上海[14-17]為主。研究表明，共享住宿與市中心和旅游點的分布有著密切的關(guān)系，其空間分布背后受到供需機制的支配，呈現(xiàn)出從市中心向外圍輻射滲透和沿旅游點、交通干線分布的規(guī)律。

縱觀現(xiàn)有研究，存在以下不足：（1）盡管共享住宿在城市內(nèi)部的空間分布已經(jīng)引起了部分學(xué)者的關(guān)注，但基本探討的是北京和上海兩個城市的空間分布特征，對其他次級城市的空間分布格局認(rèn)識不足。（2）Airbnb房源內(nèi)部的類型差異未得到應(yīng)有的關(guān)注。具體而言，Airbnb網(wǎng)站將房源類型分為整套房屋（entire house/apartment）、獨立房間（private room）、共享房間（shared room）三類。整套房屋在市場上的數(shù)量最多，提供更好的住宿體驗，價格也相對較高，以居民閑置的第二套及以上的房源作為擴張的基礎(chǔ)。獨立房間是臥室單獨使用，其他空間共享，價格一般介于整套房屋和共享房間之間，房東會根據(jù)房間大小、設(shè)施（如衛(wèi)生間、陽臺等）進(jìn)行差異化定價。共享房間類似于青年旅舍，以床位的形式進(jìn)行出租，價格更為低廉，但存在較高的安全隱患，這類房源在市場上的數(shù)量最少。三類房源具有不同的價格水平，顧客群體特征也存在顯著差異，其在空間分布上具有怎樣的差異、空間分布背后的影響因素作用機制有何不同，亟待進(jìn)一步探討。

基于上述思考，本研究以南京市為例，基于爬蟲獲取的Airbnb房源數(shù)據(jù)，探究南京市共享住宿的時空演變規(guī)律、不同類型房源空間分布的異質(zhì)性、空間分布的影響因素，一方面豐富關(guān)于共享住宿在城市內(nèi)部的空間分布特征和擴張規(guī)律的研究成果，另一方面通過對比研究，加深關(guān)于共享住宿房源內(nèi)部差異對城市空間重塑的復(fù)雜影響的了解，有助于對不同類型的共享住宿經(jīng)營者的選址依據(jù)有更加清晰的認(rèn)識。實踐上，能夠為城市住宿產(chǎn)業(yè)監(jiān)管政策、城市空間的可持續(xù)規(guī)劃、共享住宿行業(yè)的健康發(fā)展提供指導(dǎo)。

1 研究區(qū)域概況、數(shù)據(jù)來源和研究方法

1.1 研究區(qū)域

本文選擇南京市作為案例地，原因如下：（1）與北京和上海共享住宿發(fā)展較為成熟的狀況不同，南京市的共享住宿房源數(shù)量相對較少，在新冠肺炎疫情暴發(fā)之前處在供不應(yīng)求的階段。根據(jù)2019年發(fā)布的《Airbnb愛彼迎中國房東社區(qū)報告》，南京的夫子廟商圈與市中心的共享住宿處于供不應(yīng)求的狀態(tài)。（2）南京市總面積6 587 km2，是長三角特大城市和長三角輻射帶動中西部地區(qū)發(fā)展的重要門戶城市，旅游和住宿業(yè)在城市發(fā)展中占有重要地位。（3）南京市共享住宿的空間格局和發(fā)展趨勢還存在學(xué)術(shù)空白。

1.2 數(shù)據(jù)來源

Airbnb是共享住宿領(lǐng)域的代表性平臺，本研究通過Python程序從Airbnb官網(wǎng)獲取南京Airbnb房源數(shù)據(jù)，截至2021年12月31日，共獲取12 021條房源數(shù)據(jù)。剔除重復(fù)、無效數(shù)據(jù)后，共獲得有效房源數(shù)據(jù)11 638條；在百度地圖API平臺上爬取南京POI數(shù)據(jù)共571 977條，包括交通節(jié)點、酒店、居民住宅、餐飲點、景區(qū)景點、高校、醫(yī)院等；房價數(shù)據(jù)來自安居客平臺（https://nanjing.anjuke.com/market/）。

1.3 研究方法

本研究運用空間自相關(guān)、標(biāo)準(zhǔn)差橢圓、核密度估計等方法分析南京市Airbnb房源的時空演變規(guī)律。（1）空間自相關(guān)。全局空間自相關(guān)（Moran's I）用于反映全區(qū)域內(nèi)的空間集聚特征；局部空間自相關(guān)用于識別局部的空間異質(zhì)性[18]。（2）標(biāo)準(zhǔn)差橢圓用于分析地理要素的空間分布方向性特征，橢圓的大小反映空間格局總體要素的集中程度，長半軸反映格局的主導(dǎo)方向[19]。（3）核密度估計用于直觀反映房源數(shù)據(jù)在連續(xù)區(qū)域內(nèi)的分布情況[20]。（4）地理探測器是用于度量空間分異性、探測解釋因子、分析變量之間交互關(guān)系的統(tǒng)計方法[21]。本研究采用因子探測器探索影響因素對房源空間分布的解釋力，研究南京市房源總體及三類房源空間分布背后的驅(qū)動機制。南京市Airbnb主要集中在主城區(qū)，其他區(qū)域包括江寧區(qū)、溧水區(qū)、棲霞區(qū)、六合區(qū)、浦口區(qū)的房源點位分布較少。為減少無要素點區(qū)域?qū)Y(jié)果產(chǎn)生的干擾，本研究將南京按照2 km×2 km的規(guī)格劃分得到1 811個網(wǎng)格，刪除無要素點分布的網(wǎng)格后得到249個網(wǎng)格，并生成質(zhì)心，以網(wǎng)格為單元進(jìn)行因子探測器分析。

2 南京市共享住宿的時空演變特征

2.1 總體房源的時空演變特征

根據(jù)房東的注冊時間，繪制南京市每年新增Airbnb數(shù)量統(tǒng)計圖（圖1）。房東注冊起始時間為2015年，這與Airbnb宣布正式進(jìn)入中國市場的年份一致。從總體時間分布特征來看，2015—2019年新增Airbnb房源數(shù)量逐年上升，2020年和2021年新增數(shù)量開始下降，反映了新冠肺炎疫情對共享住宿發(fā)展帶來的影響。以街道為單位、以每年新增房源數(shù)量為計算對象的全局莫蘭指數(shù)分析結(jié)果表明（表1），Moran's I指數(shù)均為正（P〈0.01，Z〉2.58），說明南京Airbnb房源在空間分布上呈顯著集聚態(tài)勢，即Airbnb數(shù)量多的街道彼此相鄰。2016年Airbnb數(shù)量的全局Moran's I指數(shù)最高，2017年和2018年略有下降，2019年有所提高。受新冠肺炎疫情沖擊，2021年的指數(shù)大幅下降?？傮w而言，新冠肺炎疫情暴發(fā)之前南京市Airbnb房源數(shù)量顯著上升，空間集聚程度較高，新冠肺炎疫情暴發(fā)之后的房源新增數(shù)量下降，集聚程度顯著降低。從總體空間分布特征來看，根據(jù)南京市Airbnb房源總體的局部莫蘭指數(shù)圖（圖2），南京市共享住宿在夫子廟—新街口地區(qū)表現(xiàn)出高—高集聚，在秦淮區(qū)部分街道如光華路街道表現(xiàn)為低—高集聚。

圖1 南京市每年新增Airbnb數(shù)量

圖2 南京市Airbnb房源局部莫蘭指數(shù)（2015—2021年）

從時空演變特征來看，2015年、2017年、2019年、2021年新增房源的局部莫蘭指數(shù)圖（圖3）表明Airbnb的空間溢出效應(yīng)逐漸增強。2015年房源的高—高聚集區(qū)主要分布在秦淮區(qū)大部分街道和玄武區(qū)的部分街道（如玄武門街道、新街口街道、梅園新村街道、孝陵衛(wèi)街道），在秦淮區(qū)、雨花臺區(qū)、建鄴區(qū)的少數(shù)街道出現(xiàn)了低—高集聚。這說明南京市共享住宿早期發(fā)展以市中心（新街口）和熱門旅游景點（如夫子廟秦淮風(fēng)光帶、明孝陵、玄武湖）為主要擴張區(qū)域。2017年、2019年、2021年新增房源的高—高集聚區(qū)有所減少，且主要分布在夫子廟秦淮風(fēng)光帶周邊區(qū)域，說明共享住宿經(jīng)營者的選址趨向集聚，以熱門旅游景點為主要依據(jù)。

年份 Moran's I 指數(shù) Z 得分 P 值2015 0.132 927 9.680 550 0.000 000 2016 0.138 208 10.134 486 0.000 000 2017 0.111 731 8.430 680 0.000 000 2018 0.110 280 8.410 322 0.000 000 2019 0.132 086 9.757 611 0.000 000 2020 0.108 033 8.050 191 0.000 000 2021 0.043 722 3.724 490 0.009 246

2.2 不同類型房源的時空演變特征

2.2.1 整套房屋

根據(jù)整套房屋的核密度估計（圖4），整體上南京市Airbnb整套房屋形成了秦淮夫子廟風(fēng)光帶一級核心和秦淮紅花街道次級核心，呈現(xiàn)出從中心向外圍擴散的團塊狀發(fā)展態(tài)勢，主城區(qū)之外的江寧區(qū)、浦口區(qū)部分街道出現(xiàn)了分散的集聚點位。

圖4 南京市Airbnb整套房屋核密度分析（2015—2021年）

從時空演變來看（圖5），2015年整套房屋空間分布較為分散，密度較低，呈現(xiàn)出以秦淮區(qū)（五老村街道和洪武路街道）、建鄴區(qū)（建鄴新城科技園和河西中央商務(wù)區(qū)交界處）為核心的雙核分布態(tài)勢。2016—2017年，整套房屋呈現(xiàn)出明顯的南北縱向擴散態(tài)勢，分布密度顯著上升，分布范圍擴大。其中，秦淮區(qū)五老村街道和洪武路街道的核心地位加強，并出現(xiàn)了新的次級核心——秦淮區(qū)紅花街道。2018—2019年的分布密度有所上升，在雙核心基礎(chǔ)上繼續(xù)向外擴張滲透，分散點位相互聯(lián)結(jié)形成團塊狀發(fā)展態(tài)勢。主城區(qū)之外的江寧區(qū)、浦口區(qū)部分街道出現(xiàn)了新的聚集點。2020—2021年受新冠肺炎疫情影響，新增房源密度和范圍都有所下降，呈現(xiàn)出更為明顯的集聚和南北縱向發(fā)展態(tài)勢。

2.2.2 獨立房間

總體上，南京市Airbnb獨立房間的空間分布態(tài)勢形成了夫子廟秦淮風(fēng)光帶的一級核心和秦淮區(qū)紅花街道西南部的次級核心，向東與玄武區(qū)的孝陵衛(wèi)街道相連形成連體發(fā)展趨勢。與整套房屋不同的是，獨立房間的分布范圍更廣，在主城區(qū)之外的江寧區(qū)湯山街道和浦口區(qū)的東北部形成了離散的低密度聚集區(qū)（圖6）。獨立房間的時空演變也呈現(xiàn)出與整套房屋不同的規(guī)律，即早期的獨立房間發(fā)展緩慢，后期發(fā)展勁頭較為強勢，且受新冠肺炎疫情影響的程度較低。如圖7所示，2015年獨立房間數(shù)量少且較為分散，尚未形成聚集核心。2016—2017年獨立房間快速發(fā)展，表現(xiàn)出以夫子廟秦淮風(fēng)光帶和秦淮區(qū)紅花街道為核心的南北縱向發(fā)展、東西零星分布態(tài)勢。2018—2019年獨立房間的分布密度繼續(xù)上升，與整套房屋的空間發(fā)展趨勢一致。但新冠肺炎疫情后的空間擴張趨勢與整套房屋存在明顯差異，2020—2021年獨立房間以夫子廟秦淮風(fēng)光帶為核心在全市范圍內(nèi)滲透擴散，體現(xiàn)出共享住宿向郊區(qū)、鄉(xiāng)村滲透的傾向。

2.2.3 共享房間

相比于整套房屋和獨立房間，南京市共享房間數(shù)量非常少且分布范圍小，空間集聚態(tài)勢顯著，以瑞金路街道和梅園新村街道五老村街道的交界處為核心（圖8）。如圖9所示，共享房間的空間擴散主要是2015—2018年，呈現(xiàn)出3個聚集點位（夫子廟街道、瑞金路街道和梅園新村街道五老村街道的交界處、五老村街道華僑路街道和新街口街道的交界處），2018年以后幾乎沒有新增。

圖8 南京市Airbnb共享房間房源核密度分析（2015—2021年）

圖9 南京市新增Airbnb共享房間房源核密度分析（a）2015—2018年 （b） 2019—2021年

3 共享住宿空間分布影響因素分析

與酒店的空間擴張受城市土地利用和行政審批的限制不同，共享住宿的空間擴張主要受供需關(guān)系的支配和閑置房產(chǎn)資源分布的影響。結(jié)合以往研究[7，14，16-17]以及數(shù)據(jù)的可獲得性，本研究選取的影響因子共16個，涵蓋生活服務(wù)、交通便利性、房源供給、旅游吸引力四類，指標(biāo)的具體定義見表2。為了解不同類型房源空間分布背后的驅(qū)動機制，本研究以房源數(shù)量為因變量，利用地理探測器分別對總體房源、整套房屋、獨立房間、共享房間進(jìn)行分析。

總體房源的因子探測器結(jié)果顯示（表3），10個因素對共享住宿空間分布的影響力在0.001水平下顯著，一個因素（醫(yī)院距離）在0.05的水平下顯著。根據(jù)系數(shù)大小，因子的影響力排序為：景區(qū)景點數(shù)量（0.382 2）〉餐飲數(shù)量（0.342 0）〉購物場所數(shù)量（0.295 6）〉娛樂休閑場所數(shù)量（0.275 7）〉酒店數(shù)量（0.270 5）〉住宅數(shù)量（0.264 3）〉房價水平（0.234 9）〉文化藝術(shù)場所數(shù)量（0.230 5）〉市中心距離（0.225 8）〉地鐵公交數(shù)量（0.212 6）。高校距離、地鐵站距離、車站機場距離、醫(yī)院距離、景區(qū)距離、體育場所數(shù)量對共享住宿空間分布的解釋力不顯著。

就影響因素對不同類型房源的空間布局的作用而言，獨立房間和整套房屋的空間驅(qū)動機制存在相似之處，二者都受市中心距離、景區(qū)景點數(shù)量、地鐵公交數(shù)量、餐飲數(shù)量、住宅數(shù)量、文化藝術(shù)場所數(shù)量、購物場所數(shù)量、娛樂休閑場所數(shù)量因素的影響。不同之處在于，車站機場距離和醫(yī)院距離對獨立房間的空間布局具有顯著解釋力，而對整套房屋的影響不顯著。酒店數(shù)量和房價水平對整套房屋具有顯著影響，而對獨立房間的影響不顯著。共享房間的空間分布機制則與獨立房間和整套房屋都不同，僅有兩個因素（文化藝術(shù)場所數(shù)量和景區(qū)景點數(shù)量）表現(xiàn)出較強的解釋力，且由于共享房間房源數(shù)量過少（共209間，占比1.79%），整體上因子探測效果較差。

指標(biāo)維度因素 定義 數(shù)據(jù)性質(zhì)影響高校距離 網(wǎng)格內(nèi)共享住宿要素點到高等院線的平均最近直線距離 距離醫(yī)院距離 網(wǎng)格內(nèi)共享住宿要素點到三甲醫(yī)院的平均最近直線距離 距離文化藝術(shù)場所數(shù)量 網(wǎng)格內(nèi)文化藝術(shù)場所設(shè)施數(shù)量 數(shù)量生活服務(wù)購物場所數(shù)量 網(wǎng)格內(nèi)購物中心、便利店數(shù)量 數(shù)量體育場所數(shù)量 網(wǎng)格內(nèi)體育場所數(shù)量 數(shù)量娛樂休閑場所數(shù)量 網(wǎng)格內(nèi)娛樂休閑場所數(shù)量 數(shù)量餐飲數(shù)量 網(wǎng)格內(nèi)餐飲店數(shù)量 數(shù)量酒店數(shù)量 網(wǎng)格內(nèi)經(jīng)濟型酒店、中高檔酒店數(shù)量 數(shù)量地鐵站距離 網(wǎng)格內(nèi)共享住宿要素點到地鐵站的平均最近直線距離 距離交通便利性車站機場距離 網(wǎng)格內(nèi)共享住宿要素點到車站機場的平均最近直線距離 距離地鐵公交數(shù)量 網(wǎng)格內(nèi)地鐵公交站的數(shù)量 數(shù)量市中心距離 網(wǎng)格中心到市中心的直線距離 距離房源供給住宅數(shù)量 網(wǎng)格內(nèi)居民住宅數(shù)量 數(shù)量房價水平 網(wǎng)格內(nèi)房價的平均水平 數(shù)量旅游吸引力景區(qū)距離 網(wǎng)格內(nèi)共享住宿要素點到4A 級以上景區(qū)的平均最近直線距離 距離景區(qū)景點數(shù)量 網(wǎng)格內(nèi)景區(qū)景點的數(shù)量 數(shù)量

4 結(jié)論與討論

本文探究了南京市Airbnb房源的時空演變特征和影響因素，主要發(fā)現(xiàn)如下：

空間上，南京的共享住宿分布具有核心—邊緣集聚、南北縱向分布的特征。核心邊緣的分布規(guī)律與以往研究[14-16]一致，表明不同層級的城市均顯示出共享住宿在市中心和熱門旅游景點集聚的特征。存在差異的是，南京市Airbnb房源空間格局呈南北縱向擴散，這與南京市南北走向的空間結(jié)構(gòu)有關(guān)[22]，表明城市空間結(jié)構(gòu)是Airbnb空間格局的重要影響因素。

時間上，南京市共享住宿呈現(xiàn)出從雙核集聚到組團連片的演變特征，即以夫子廟秦淮風(fēng)光帶和市中心為核心逐漸向外圍擴散，呈現(xiàn)出連點成片的發(fā)展態(tài)勢。值得關(guān)注的是，不同類型房源的擴張?zhí)卣鞔嬖诓町?。在早期萌芽階段（2015年），整套房屋的擴張速度較快，形成了早期的核心集聚區(qū)，而獨立房間的發(fā)展較為緩慢。在快速發(fā)展階段（2016—2019年），獨立房間的擴散速度顯著加快，在全市范圍內(nèi)滲透擴散；整套房屋在主城區(qū)范圍內(nèi)呈現(xiàn)更加明顯的集聚態(tài)勢；共享房間數(shù)量最少且發(fā)展最為緩慢，覆蓋范圍局限于市中心和熱門旅游景點附近。

南京市共享住宿房源的空間分布受到多個因素的綜合影響，其中景區(qū)景點數(shù)量的解釋力最強，市中心距離的解釋力相對較低。這與以往的研究結(jié)果存在差異，如Lagonigro等表明市中心距離是Airbnb空間分布的關(guān)鍵影響因素[23]。此外，南京市的共享住宿空間分布與餐飲點、購物場所、娛樂場所、酒店、居民住宅、文化藝術(shù)場所、交通節(jié)點存在密切關(guān)聯(lián)。交通便利、具有旅游吸引力、POI集聚的地區(qū)客流量多[24]，游客住宿需求高，因此共享住宿分布數(shù)量較多，表明共享住宿的空間分布主要受供需關(guān)系的支配。

不同類型共享住宿房源的空間布局和影響因素作用機制存在差異。與Adamiak等人[4]的發(fā)現(xiàn)一致，獨立房間由核心向外圍擴散的趨勢比整套房屋和共享房間顯著，共享房間的空間分布集聚程度更高。另外，同一影響因素對不同類型共享住宿空間分布的解釋力存在差異。其中，酒店與整套房屋的空間分布關(guān)聯(lián)更加密切，而與獨立房間和共享房間不存在顯著的空間關(guān)聯(lián)?？赡艿脑蚴钦追课萏峁┑姆?wù)與傳統(tǒng)酒店較為相似，能夠滿足游客對于獨立私人空間的需求，同時具有空間和廚房設(shè)施方面的優(yōu)勢，與傳統(tǒng)酒店存在較強的競爭關(guān)系，因此整套房屋經(jīng)營者的選址經(jīng)常伴隨酒店分布。這也表明酒店與共享住宿的競合關(guān)系應(yīng)當(dāng)區(qū)分共享住宿房源的異質(zhì)性，驗證了La等[7]的研究結(jié)果。獨立房間的空間格局受到醫(yī)院和車站機場分布的影響，可能的原因是獨立房間的價格相對低廉，對于解決看病人群的短期住宿需求具有重要作用。

本研究為不同類型房源的住宿監(jiān)管措施提供實踐建議。首先，整套房屋的早期快速擴張和后期集聚對居民的長期租賃和酒店經(jīng)營管理產(chǎn)生了負(fù)面影響，容易引起租金價格上漲、不正當(dāng)競爭、紳士化等問題。因此，避免整套房屋過度聚集、對擁有多套房源的專業(yè)管理公司進(jìn)行消防安全設(shè)施檢查和稅收監(jiān)管對于共享住宿持續(xù)健康發(fā)展和消費者權(quán)益保護(hù)是必要的。其次，獨立房屋交通便利和價格低廉的優(yōu)勢，表明其在增加住宿供給、解決特定群體的住宿需求方面具有重要作用。這類房源也表現(xiàn)出了較強的向郊區(qū)、鄉(xiāng)村滲透的傾向。對于這類房源，政府部門可以采取寬松的鼓勵政策，通過有效利用村民自有房屋，為鄉(xiāng)村民宿發(fā)展和鄉(xiāng)村振興助力[25]。最后，共享房間的數(shù)量較少、價格低廉，能夠幫助解決低收入群體的住宿需求，但改建上下鋪的經(jīng)營方式存在安全隱患，因此應(yīng)充分重視對此類房源的安全監(jiān)管。

本文也存在一些局限性。地理探測器的應(yīng)用只能實現(xiàn)對截面數(shù)據(jù)的研究，無法實現(xiàn)各要素對共享住宿空間分布影響的時空演變的研究。同時，由于部分?jǐn)?shù)據(jù)難以獲取，本文沒有納入地區(qū)的人口屬性、房源閑置率等影響因素。本研究發(fā)現(xiàn)，區(qū)分不同的房源類型對于認(rèn)識共享住宿的時空演變及驅(qū)動機制是必要的，整套房屋、獨立房間和共享房間在經(jīng)營者、價格水平、服務(wù)人群、空間分布、社會效用和監(jiān)管重點等方面都有所差異。共享住宿發(fā)展受到經(jīng)濟發(fā)展水平的制約，現(xiàn)有研究主要對象是北京、上海等較為發(fā)達(dá)的城市，那么在經(jīng)濟欠發(fā)達(dá)的城市和鄉(xiāng)村地區(qū)，整套房屋、獨立房間和共享房間在時空分布、演化規(guī)律和驅(qū)動機制上存在怎樣的特征？對城市空間格局塑造和居民生活是否產(chǎn)生不同程度的影響？這些問題還有待進(jìn)一步探究。

5 結(jié)語

本文綜合采用空間自相關(guān)、標(biāo)準(zhǔn)差橢圓、核密度估計、地理探測器等地理學(xué)分析方法，對2015—2021年南京市共享住宿時空演變特征及其影響因素進(jìn)行了系統(tǒng)研究，結(jié)果表明整體上南京市共享住宿呈現(xiàn)出從雙核集聚到組團連片的由核心向外圍擴散的時空演變特征，不同類型房源的擴張規(guī)律及影響機制存在顯著差異。本研究為識別共享住宿房源內(nèi)部差異、制定城市住宿產(chǎn)業(yè)監(jiān)管政策、編制城市空間可持續(xù)規(guī)劃、促進(jìn)共享住宿行業(yè)健康發(fā)展提供科學(xué)依據(jù)。